Por qué construimos un SaaS de audio para medios web

«Solo añade un espacio publicitario más y verás este crecimiento mensual»

Esto viene de alrededor de 2015. Yo trabajaba en monetización y análisis de datos para sitios web a gran escala en una empresa de medios perteneciente a una gran editorial. A menudo hacía propuestas como esta a los responsables de los medios: «Si añades un espacio publicitario más aquí, tus ingresos mensuales crecerán aproximadamente esto». Mis estimaciones solían ser correctas. Así que los espacios se añadían. A mitad del desplazamiento por la página, entre artículos, debajo del pie de página. Los espacios seguían multiplicándose.

Era el amanecer de la publicidad programática, un período en el que la transición hacia el RTB (Real-Time Bidding) se aceleraba. Según eMarketer, alrededor del 60% del gasto publicitario display en EE. UU. ya era programático en 2015. La misma tendencia estaba llegando a Japón, y las empresas de medios se encontraban atrapadas en un dilema: «cuantos más espacios añadimos, más baja el precio unitario, pero el total sigue subiendo».

El mismo bucle sigue girando, con intensidad creciente. Las tarifas publicitarias caen, así que se añaden más espacios. Más espacios significan una peor experiencia de usuario. Una peor experiencia significa menos tiempo de permanencia. Menos tiempo de permanencia significa que las tarifas vuelven a caer. Dentro de este bucle, tanto el lado de los medios como el lado publicitario están tomando cada uno decisiones racionales para proteger sus propios negocios. Lo único que ocurre es que la acumulación de esas decisiones racionales produce un resultado irracional para el conjunto. He vuelto sobre esta estructura en Por qué se estanca la publicidad en los medios web: disección de 3 problemas estructurales.

Soy alguien que ha vivido de la publicidad. Como alguien que trabajó directamente en la operación publicitaria, cuando llegó el ITP (Intelligent Tracking Prevention), impactó como un golpe al cuerpo. Las cookies dejan de funcionar. La precisión de las audiencias cae. Los anunciantes pierden entusiasmo por invertir. Los ingresos de los medios se erosionan desde dentro.

Esta estructura sigue vigente hoy en día.

Después de los anuncios, ¿a qué se aferra una empresa de medios?

Después de eso, también trabajé en los negocios de SSP y redes publicitarias, y esta vez me situé en el lado de la infraestructura publicitaria. Me encargaba del apoyo a la monetización de la publicidad programática y del análisis de datos relacionado con ella.

Mi perspectiva cambió. Cuando estaba en la empresa publicitaria, la pregunta era «¿cómo hacemos crecer los ingresos de los medios?». En el lado de los medios, se convirtió en «¿cómo hacemos crecer los ingresos protegiendo al mismo tiempo la motivación del equipo editorial y la experiencia del lector?». Estas dos cosas no se concilian fácilmente.

Para ser honesto, vi muchas veces en el terreno los límites de la operación de medios dependiente de la publicidad. Cuando las PV (visitas de página) suben, los ingresos publicitarios suben. Así que se persiguen las PV. Para perseguir las PV, los titulares se vuelven un poco más sensacionalistas. Los artículos se dividen en piezas más pequeñas. Se usan widgets de recomendación para hacer circular a los lectores dentro del propio sitio. ¿Cuántos segundos permanece un lector en el momento en que abre una página? ¿Cómo se distribuye el CTR (porcentaje de clics)? Cuando miras esos números todos los días, en poco tiempo dejas de ver «lectores» y empiezas a ver «tráfico».

Hablando desde mi propia experiencia haciendo propuestas de growth hacking, el momento en que informas «esta medida elevó el CTR en un X%» es genuinamente satisfactorio. Pero también sé cuántos editores, detrás de esos números, se atormentan con la pregunta «¿de verdad está bien este titular?». En las redacciones de medios, el trabajo siempre se hace en paralelo con dilemas.

Nadie está haciendo nada malo. Las empresas de medios tienen que sostenerse como negocios. Los editores tienen que pagar los salarios de las personas que escriben los artículos. Los costos de servidor también se acumulan. Así que maximizar los ingresos publicitarios es una decisión racional para mantener el negocio en marcha.

Pero también es un hecho que, como resultado, la experiencia del lector queda comprimida. Imagino que ya has tenido la experiencia de abrir un artículo de noticias en el teléfono y ver anuncios más prominentes que el texto principal.

Como alguien que ha estado dentro de la industria, sé que esto no se debe a que alguien esté actuando con malicia, ni a que los medios se hayan corrompido. Está ocurriendo de manera estructural.

Mantener una ruta de entrega más allá de la «lectura»

En mayo de 2025 fundé Media Leap Inc.

Hubo algunos desencadenantes directos para crear la empresa. La IA generativa alcanzó un nivel práctico y el costo de la síntesis de voz bajó drásticamente. En el lado de la infraestructura, el apoyo que recibí a través del Google for Startups Cloud Program fue una fuente de tranquilidad. Pero creo que el motivo de fondo era más simple, y es más exacto describirlo como el deseo de resolver una pregunta que llevaba mucho tiempo rondando en un rincón de mi mente.

Tras haber trabajado tanto en el lado de la empresa publicitaria como en el de los medios, hubo algo que sentí de manera constante: «el valor del contenido» y «la ruta por la que llega a las personas» son problemas separados. Por muy buen artículo que escribas, si la única ruta de entrega es «texto leído a través de la búsqueda y las redes sociales», existe un techo para el número de personas a las que puede llegar. Trayectos al trabajo, caminatas, tareas del hogar: si existiera una ruta que llegara a las personas durante esos momentos en que «los ojos están ocupados», el valor del contenido se expandiría en esa misma medida.

«La información, según cómo se entregue, puede cambiar el comportamiento de las personas».

Esta es una frase que mantengo como convicción de negocio, pero desde la época en que hacía análisis de datos en el lado de los medios, una cosa siempre me había inquietado. Los artículos de calidad no llegaban a la gente. En el momento de publicarse recibían algo de difusión en redes sociales, pero a los pocos días sobrevivían únicamente del tráfico de búsqueda de cola larga. Mientras tanto, el contenido en audio, como los podcasts y la radio, está integrado en la vida diaria como un hábito que la gente disfruta mientras va al trabajo o hace las tareas del hogar.

Según una encuesta conjunta de Otonaru y la Compañía Asahi Shimbun (6.ª Encuesta sobre el uso de podcasts en Japón, publicada en febrero de 2026), el uso mensual de podcasts en Japón es del 18.2%. Ha crecido de forma constante desde el 14.2% en 2020, pero todavía va por detrás de la cifra del 58% en EE. UU. (Edison Research, The Infinite Dial 2025). En particular, alcanza el 40.5% entre los jóvenes de 15 a 19 años, y la base se está ampliando, centrada en los grupos de menor edad. Pero detrás de eso, el acto de «escuchar noticias o artículos en formato audio» ya es algo que muchas personas hacen, a través de las funciones de lectura en voz alta de las aplicaciones de lectura y de las noticias narradas por altavoces inteligentes.

En otras palabras, la demanda existe. Lo más probable es que simplemente el lado de la oferta no haya alcanzado esa demanda.

Incluso mirando mi propia experiencia, siento lo mismo. Quince minutos lavando los platos, doce minutos caminando hasta la estación. Durante esos ratos, aunque abra un artículo de texto, no consigo seguir leyendo. Tengo las manos ocupadas y no puedo hacer scroll, ni puedo seguir mirando la pantalla. Pero sí puedo escuchar un podcast. Los momentos en que los oídos están libres ya existen ahí. Los medios de texto simplemente todavía no han llegado a esos momentos.

«Leer» y «escuchar» no están en una jerarquía; van uno junto al otro. Hay personas que leen mejor texto; otras prefieren escuchar con los oídos. El mismo artículo, solo con cambiar la forma de entregarlo, llega a una capa distinta de personas. Si es así, una estructura de medios que depende únicamente de «ser leído» es, creo, una estructura desperdiciada.

Los cambios que estamos viendo en los medios que lo han implementado

PUBVOICE es un SaaS que utiliza IA para convertir automáticamente en audio los artículos de medios web. Obtiene los artículos de feeds RSS, genera el audio mediante TTS (texto a voz) y muestra un reproductor de reproducción con solo insertar una línea de JavaScript.

Unas palabras sobre los números. A lo largo de mi carrera he apoyado la monetización y la implementación en más de 30 empresas de medios y, como extensión de ese trabajo, algunos de los medios que han adoptado PUBVOICE han reportado un tiempo de permanencia que se multiplica por 3 en promedio, una tasa de repetición que sube +5% y unas PV que también aumentan +5%.

Sin embargo, estas cifras provienen de una medición limitada y no garantizan los mismos resultados para todos los clientes. La medición se basa en un subconjunto pequeño de medios adoptantes (sesiones en las que se reprodujo el reproductor de audio); no se trata de una prueba A/B estricta contra un grupo de control (sin audio), sino de una comparación antes y después. Tampoco se ha aislado por completo el efecto de la reproducción en segundo plano sobre la medición del tiempo de permanencia en GA4. Léalo como «la tendencia se mueve en esta dirección», no como resultados garantizados.

Con esa advertencia en mente, el número que más me sorprendió fue la tasa de repetición.

El aumento del tiempo de permanencia era previsible, creo, porque hay más gente que lee el artículo mientras escucha el audio. El aumento de las PV, creo, se debe a que se creó una vía que conduce del reproductor de audio a otros artículos. Pero que la tasa de repetición subiera fue inesperado.

Cuando lo analizamos, pudimos ver un movimiento de lectores que escucharon el audio y volvían para «escucharlo de nuevo». El detonante de las visitas se desplazaba desde las llegadas por búsqueda hacia la reproducción por hábito. Cambia el método de entrega y cambia la calidad de la relación. Esta estructura, siento, es exactamente lo que yo quería ver.

Algunos medios utilizan clonación de voz para presentar la voz real del editor. El artículo llega con la voz de quien lo escribió. Un cambio en la distancia que nunca emergió con el texto solo se manifiesta en los comentarios de los lectores.

Por qué no optamos por un modelo financiado con publicidad

Sobre el diseño de precios de PUBVOICE, me preguntan a menudo: «¿No podrían poner anuncios dentro del reproductor y ofrecerlo gratis a los medios?».

En la práctica, podríamos haberlo diseñado así. Insertar anuncios de audio en el reproductor, y los medios podrían usarlo gratis mientras nosotros ganaríamos con la publicidad. Como alguien que ha vivido de la publicidad, es un modelo que me resulta familiar.

Pero decidí no hacerlo. Si iba a volver a girar hacia «añadir más anuncios», no tendría sentido construir este producto. Añadir espacios y aumentar el valor de los espacios existentes son cosas distintas. Yo quería construir una herramienta para lo segundo.

Por eso establecimos una estructura en la que los medios asumen el costo. Ofrecemos un plan Free, pero el uso en serio pasa a un plan de pago (desde 1,480 JPY/month). No fue una elección fácil. El peso de discutir los costos recurrentes mensuales con los equipos de medios mientras reúnen el presupuesto a duras penas resuena, poco a poco.

Decir «no quiero añadir más anuncios» mientras cobro una tarifa significa que tengo la responsabilidad de entregar resultados que lo justifiquen.

La experiencia de «leer mientras se escucha»

El audio de PUBVOICE no resume el artículo. Comprende el contexto y la estructura del artículo (títulos, listas con viñetas, tablas) y lo reescribe en un guion agradable para el oído antes de generar el audio. Las expresiones que presuponen la vista, como «consulte la figura anterior», se convierten en un lenguaje hablado natural. Los argumentos y la información del artículo se conservan íntegros; solo la entrega se optimiza para el oído. En otras palabras, el audio no es un reemplazo del texto; existe junto al texto.

Esta es una diferencia decisiva frente a los servicios que convierten artículos en video. El video ocupa la pantalla, así que se convierte en un reemplazo del texto. Solo el audio puede consumirse simultáneamente con el texto. La experiencia de «leer mientras se escucha» es una perspectiva que otros proveedores no destacan demasiado, pero es la que yo considero más importante.

¿Por qué importa la experiencia de «leer mientras se escucha»? La velocidad de lectura se ve guiada por el audio, lo que hace menos probable el abandono. Llega a lectores con dificultades visuales y a lectores que están aprendiendo japonés. Y como el lector sigue mirando la pantalla mientras escucha, también crece el tiempo durante el cual se ven los espacios publicitarios fuera de la primera vista. Aquí existe un camino para elevar el valor de los anuncios existentes sin añadir más. Lo he desarrollado por separado en otro artículo.

Simplemente se trata de añadir una ruta de entrega más

Escribiendo hasta aquí, un pensamiento vuelve a mí.

La razón por la que construí PUBVOICE no es salvar a los medios web. Los retos de ingresos de los medios no son lo bastante simples como para resolverse con audio solamente, y eso lo supe desde el momento en que inicié el negocio.

Lo que yo quería construir era una forma de añadir una ruta más para entregar contenido. Que a los medios les resulte fácil disponer de un método de entrega distinto a ser leído con los ojos. Tender un puente entre quien escribe y quien lee a través de la forma del audio. Y como resultado, si esto abre un camino, aunque sea ligeramente mejor, para reducir la dependencia de la publicidad, también está bien.

Creo que basta con enmarcarlo así: PUBVOICE existe como una herramienta que apoya ese cambio.

También existe la realidad de emprender en solitario, en la que los días en que abro el panel a medianoche y suspiro son más frecuentes. También es cierto que no hemos alcanzado el número de usuarios ni los ingresos que había proyectado para el hito del primer año. Aun así, cuando oigo de los medios que lo han implementado que «recibimos por primera vez las voces de nuestros lectores», pienso que quizá esta dirección no está equivocada.

Las rutas para entregar contenido ya no son solo texto. Cómo recibirán los medios del futuro ese hecho — quiero seguir observándolo.

Artículos relacionados

• Por qué se estanca la publicidad en los medios web: disección de 3 problemas estructurales — Los límites estructurales de los ingresos publicitarios, con los últimos datos sobre bloqueo de anuncios y oligopolio de plataformas
• Cómo estamos pensando en elevar el valor de los espacios publicitarios existentes sin añadir más — Cómo un tiempo de permanencia más largo mueve el valor de los espacios publicitarios existentes
• Qué cambia cuando los artículos de medios web se convierten en audio — Cómo se movieron el tiempo de permanencia y la tasa de repetición con el audio
• Una comparativa desde el terreno de los servicios de audio para artículos de medios web, hecha por quienes están en el frente — Una comparación de BeyondWords, PUBVOICE, ReadSpeaker y otros
• La imitación en la era de la IA y la entrega más allá del texto — Qué significa disponer de una ruta de entrega distinta a la «lectura» en la era de la búsqueda con IA